python pytorch语音识别_一个使用pytorch基于CTC的语音识别系统

最新推荐文章于 2024-07-05 06:32:35 发布
最新推荐文章于 2024-07-05 06:32:35 发布
阅读量946 收藏
点赞数
文章标签： python pytorch语音识别
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_39932344/article/details/111764398
版权
这是一个基于PyTorch的CTC语音识别系统，目前仅支持音素识别。系统包括数据预处理、RNN+DNN+CTC模型、CNN+RNN+DNN+CTC模型，并提供了贪婪解码和束搜索解码。数据集包含英文TIMIT和中文863语料库。训练集、验证集和测试集均有详细划分。安装依赖包括PyTorch、warp-ctc、Kaldi、KenLM等。训练过程中，根据开发集损失调整学习率。未来计划结合RNN-LM和优化代码结构。
摘要由CSDN通过智能技术生成

Update:

Update to pytorch1.2 and python3.

CTC-based Automatic Speech Recogniton

This is a CTC-based speech recognition system with pytorch.

At present, the system only supports phoneme recognition.

You can also do it at word-level and may get a high error rate.

Another way is to decode with a lexcion and word-level language model using WFST which is not included in this system.

Data

English Corpus: Timit

Training set: 3696 sentences(exclude SA utterance)

Dev set: 400 sentences

Test set: 192 sentences

Chinese Corpus: 863 Corpus

Training set:

Speaker

UtterId

Utterances

M50, F50

A1-A521, AW1-AW129

650 sentences

M54, F54

B522-B1040,BW130-BW259

649 sentences

M60, F60

C1041-C1560 CW260-CW388

649 sentences

M64, F64

D1-D

最低0.47元/天 解锁文章
weixin_39932344
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
使用PyTorch实现验证码识别
CSDN 精品推荐
10-01 1万+
本文实现利用captcha生成验证码，然后利用PyTorch搭建CNN卷积神经网络识别验证码
speech-recognition-examples:简单指南如何构建用PyTorch编写的自己的端到端自动语音识别系统
04-14
使用CRNN，CTC丢失，DeepSpeech波束搜索和KenLM记分器进​​行语音识别 安装 cd venv/bin ./pip install -r ../../requirements.txt ./pip install deepspeed==0.3.13 建筑学 SpeechRecognitionModel ( # First convolutional layer ( cnn ): Conv2d ( 1 , 32 , kernel_size = ( 3 , 3 ), stride = ( 2 , 2 ), padding = ( 1 , 1 )) # 7 blocks of convolutional layers with residual connections ( res_cnn ): Sequential ( ( 0 ): ResidualCNN
用pytorch+CTC+WFST实现汉语语音识别
m0_37135912的博客
07-31 1559
最近专门空出来很多时间，准备把一直犹豫不决要不要写的智能理论写出来，同时准备用语音识别做一些实验，所以有了这个项目。 语音识别实验比可选的工具有kaldi，wav2letter，espnet等，使用比较广泛工具是kaldi，但是对于前端语音处理的部分，我觉得kaldi所使用的HMM-GMM方式相当的不直观，Kaldi所使用的nnet神经网络也不是目前主流的深度学习工具。而kaldi创建者Daniel Povey要推出的与pytorch接口良好的kaldi新的版本也还没有出来。但是kaldi的WFST解码系统
使用 PyTorch 和预训练的模型来进行语音识别
最新发布
zhangyy57的博客
07-05 214
由于自动语音识别是一个复杂的任务，涉及到音频处理、特征提取、模型训练等多个步骤，因此上述示例只是一个简化的版本，实际应用中可能需要更复杂的处理流程。
end2end-asr-pytorch:PyTorch上的端到端自动语音识别
05-29
Pytorch 上的端到端语音识别 基于 Transformer 的语音识别模型 如果您在工作中使用了本工具包中包含的任何源代码，请引用以下论文。 Winata，GI，Madotto，A.，Wu，CS，＆Fung，P.（2019年）。 使用来自并行句子的基于神经的合成数据的代码切换语言模型。 在第23届计算自然语言学习会议（CoNLL）的会议记录中（第271-280页）。 Winata, GI, Cahyawijaya, S., Lin, Z., Liu, Z., & Fung, P. (2019)。 使用 Low-Rank Transformer 的轻量级和高效的端到端语音识别。 arXiv 预印本 arXiv:1910.13923。 （被ICASSP 2020接受） Zhou, S., Dong, L., Xu, S., & Xu, B. (2018)。 使用 Transfor
wavenet-speech-to-text:基于DeepMind的WaveNet的PyTorch语音识别实现
05-15
使用WaveNet进行语音转文字 仍然需要弄清楚CTCLoss的南问题 基于DeepMind论文： 语音识别实现。 此实现的目的是结构合理，可重用且易于理解。 这里的流实现： 尽管WaveNet被设计为“文本到语音”模型，但该论文提到他们也在语音识别任务中对其进行了测试。 他们没有提供有关实现的具体细节，只是表明他们通过直接在TIMIT上对原始音频进行训练的模型在测试数据集上达到了18.8 PER。 我从修改了WaveNet模型，并将的语音识别实验。 下图显示了最终的体系结构。 （图片来源： ） 先决条件 系统 Linux CPU或（NVIDIA GPU + CUDA CuDNN） Python 3.6 图书馆 PyTorch = 0.4.0 librosa = 0.5.0 熊猫> = 0.19.2 == 0.11.0 数据集 我们使用了 ， 和语料库。 由上
基于Pytorch实现的声纹识别大预训练模型（V1.0）
10-18
基于Pytorch实现的声纹识别大预训练模型，源码地址：https://github.com/yeyupiaoling/VoiceprintRecognition-Pytorch/tree/V1.0
基于Pytorch实现的自动语音识别系统源代码，兼容在线和离线识别
08-25
Pytorch实现的流式与非流式的自动语音识别框架，同时兼容在线和离线识别，目前支持...下面提供了一系列预训练模型的下载，下载预训练模型之后，需要把全部文件复制到项目根目录，并执行导出模型才可以使用语音识别。
stt_models:Pytorch上的语音转文字模型
03-21
总的来说，"stt_models: Pytorch上的语音转文字模型"项目为开发者提供了一个强大的工具，让他们能够在PyTorch平台上快速构建和实验不同的语音识别模型，这对于AI研究者和工程师来说是一份宝贵的资源。通过深入理解...
基于pytorch语音识别_[论文分享]迁移学习实现基于预算的语音识别
weixin_39813200的博客
01-15 504
Kunze, Julius, et al. “Transfer learning for speech recognition on a budget.”arXiv preprint arXiv:1706.00290(2017).大家好，本次我要分享的论文是Transfer Learning for Speech Recognition on a Budget我将主要从这几个方面讲述...
Python-用PyTorch实现DeepVoice3语音合成
08-09
PyTorch实现基于卷积网络的文本到语音合成模型
ctcdecode:PyTorch CTC解码器绑定
04-28
ctc解码 ctcdecode是针对PyTorch的CTC（连接器时间分类）波束搜索解码的实现。 从Paddle 借用的C ++代码。 它包括支持标准波束搜索的可交换评分器支持，以及基于KenLM的解码。 如果您不熟悉CTC和Beam搜索的概念，请访问参考资料部分，我们在其中链接了一些教程，解释了为什么需要它们。 安装 该库基本上是独立的，只需要PyTorch。 构建C ++库需要使用gcc或clang。 还可以选择包含KenLM语言建模支持，并且默认情况下启用该功能。 以下安装也适用于Google Colab。 # get the code git clone --recursive https://github.com/parlance/ctcdecode.git cd ctcdecode && pip install . 如何使用 from ctcdecode import CT
Python-基于RNNCTC损失函数的端到端语音识别系统
08-11
End-to-end trained speech recognition system, based on RNNs and the connectionist temporal classification (CTC) cost function.
CTC-LSTM-ENSPEECH-英语语音识别
03-05
英语语音识别项目试验，仅供学习
语音识别-基于CTC-BiLSTM联合模型的英语语音识别系统
weixin_36640822的博客
03-05 2349
本博客旨在学习和记录关于语音识别的相关资料，也参考网上大神（链接），在此表示感谢。话不多说，下面进入正题。 1 概要 本博客偏向实践，以LibriSpeech公开英语语料数据集作为训练语料，搭建了基于CTC（Connectionist temporal classification）-LSTM的联合模型的语音识别系统。其中，CTC和LSTM就不多做介绍，可自行上网查阅。 2 代码部分 项目结构如下 2.1 导入必须的库 import matplotlib.pyplot as plt import os im
CTC decode 代码示例 python 实现
Zhang_314的博客
07-03 3300
""" This is an example CTC decoder written in Python. The code is intended to be a simple example and is not designed to be especially efficient. The algorithm is a prefix beam search for a model tra...
pytorch验证码识别crnn+ctcloss+beam_search_decoder从0到1（附避坑要点！）
VFAing的博客
07-19 1474
pytorch验证码识别crnn+ctcloss+beam_search_decoder从0到1（附避坑要点！）
【实践】端到端的OCR：验证码识别
热门推荐
一寒惊鸿
06-22 2万+
验证码识别的思路非常暴力，大概就是这样： 去噪＋二值化字符分割每个字符识别 验证码的难度在这3步上都有反应。比如 噪声：加一条贯穿全图的曲线，比如网格线，还有图的一半是白底黑字，另一半是黑底白字。 分割：字符粘连，7和4粘在一起。识别：字符各种扭曲，各种旋转。 但相对而言，难度最大的是第2步，分割。所以就有人想，我能不能不做分割，就把验证码给识别了。深度学习擅长做端到端的学习，因
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值